• 한국지하수토양환경학회지:지하수토양환경
• /
• 제10권5호
• /
• pp.52-60
• /
• 2005

본 연구에서는 기존 연쇄 말콥체인(Coupled Markov Chain, CMC) 확률식의 연산 경직성을 개선하기 위하여 일반화 된 2차원 연쇄 말콥체인(Generalized Coupled Markov Chain, GCMC) 확률식이 개발되었다. 또한 개발된 확률식에 근거하여 평면상에서 무작위적으로 분포하는 참조정보를 효율적으로 활용하는 연산 알고리듬이 개발되었다. 개발된 모델은 대안적 지구통계 기법으로의 새로운 기능성을 제시한다. 본 연구를 통해 새롭게 개발된 GCMC 확률식은 기존 CMC 확률식에 비해 보다 유연한 참조 정보 활용 가능성을 가지며 특수한 경우로 기존 CMC 확률식이 유도되었다. 또한 순차적 연산의 인위적 오류 발생 기능성 및 실제 야외 데이터의 낮은 빈도를 고려하여 무작위로 추출된 위치에서 각 범위를 이용한 연산 알고리듬이 제안되었다. 개발된 모델은 가상의 2차원 토양도에 적용되었으며 기존 지구통계 기법인 SIS에 비하여 손색이 없는 새로운 지구통계 기법으로 토양 및 지질을 포함한 다양한 예측에 이용 될 수 있는 가능성을 보였다. 낮은 빈도로 샘플링 된 지시자에 대해서는 기존 지구통계 기법과 마찬가지로 저평가되는 현상을 보였으며 이를 보완하기 위하여 다양한 소스의 데이터 융합 등을 바탕으로 한 계속적인 연구가 요구된다.

• 한국지하수토양환경학회지:지하수토양환경
• /
• 제19권4호
• /
• pp.31-44
• /
• 2014

In the present study, a few of recently developed geostatistical models are comparatively studied. The models are two-point statistics based sequential indicator simulation (SISIM) and generalized coupled Markov chain (GCMC), multi-point statistics single normal equation simulation (SNESIM), and object based model of FLUVSIM (fluvial simulation) that predicts structures of target object from the provided geometric information. Out of the models, SNESIM and FLUVSIM require additional information other than conditioning data such as training map and geometry, respectively, which generally claim demanding additional resources. For the comparative studies, three-dimensional fluvial reservoir model is developed considering the genetic information and the samples, as input data for the models, are acquired by mimicking realistic sampling (i.e. random sampling). For SNESIM and FLUVSIM, additional training map and the geometry data are synthesized based on the same information used for the objective model. For the comparisons of the predictabilities of the models, two different measures are employed. In the first measure, the ensemble probability maps of the models are developed from multiple realizations, which are compared in depth to the objective model. In the second measure, the developed realizations are converted to hydrogeologic properties and the groundwater flow simulation results are compared to that of the objective model. From the comparisons, it is found that the predictability of GCMC outperforms the other models in terms of the first measure. On the other hand, in terms of the second measure, the both predictabilities of GCMC and SNESIM are outstanding out of the considered models. The excellences of GCMC model in the comparisons may attribute to the incorporations of directional non-stationarity and the non-linear prediction structure. From the results, it is concluded that the various geostatistical models need to be comprehensively considered and comparatively analyzed for appropriate characterizations.